Graphen und Algorithmen

Transkript

1 Graphen und Algorithmen Vorlesung #7: Matchingtheorie Dr. Armin Fügenschuh Technische Universität Darmstadt WS 2007/2008

2 Übersicht Matchings und erweiternde Wege Satz von Berge Das Heiratsproblem und der Heiratssatz von Hall Matchings in bipartiten Graphen Der Ungarische Algorithmus Der Kuhn-Munkres-Algorithmus Lösung des Chinesischen Postbotenproblems 1/2-Approximation des TSP von Christofides 2

3 Matchings (Paarungen, Korrespondenzen) Generalvoraussetzung: In dieser Vorlesung sei G stets ein schlingenfreier (Multi-) Graph mit Knotenmenge V = V (G) und Kantenmenge E = E(G). Definition 1: Eine Kantenteilmenge M E heißt Matching von G, wenn keine zwei Kanten aus M einen gemeinsamen Endknoten haben. Beispiel: a f e e 2 e 1 b a b M 1 := {e 1,e 2 } M 2 := {e 1,e 3,e 4 } c f c G e 4 e 3 G d e d Definition 2: Ist ein Knoten v des Graphen G ein Endknoten einer Kante im Matching M, dann wird v als M-gesättigt bezeichnet. Man sagt auch, dass v durch M gesättigt wird. Andernfalls ist v M-ungesättigt. Beispiel (Forts.): Die Knoten a, b, c, e sind M 1 -gesättigt, f und d sind M 1 -ungesättigt. Jeder Knoten ist -gesättigt. M 2 e 1 3

4 Perfekte und maximale Matchings Definition 3: Ist M ein Matching von G, in dem jeder Knoten von G M-gesättigt ist, dann wird M als perfektes Matching bezeichnet. Ein Matching M heißt maximal, wenn G kein Matching M enthält, welches mehr Kanten als M hat. Ein Matching M heißt inklusionsmaximal, wenn M nicht durch Hinzufügen einer weiteren Kante von G vergrößert werden kann. Beispiel (Forts.): M 2 ist ein perfektes Matching. M 1 ist ein inklusionsmaximales Matching. Bemerkung: Jedes perfekte Matching ist ein maximales Matching. Die Umkehrung davon ist nicht wahr. Beispiel: Zwei maximale, nicht-perfekte Matchings. 4

5 Alternierende und erweiternde Wege Definition 4: Sei M ein Matching von G. Ein M-alternierender Weg in G ist ein Weg, dessen Kanten abwechselnd zu M und E\M gehören. Beispiel: P := (v 1,e 3,v 4,e 4,v 2,e 5,v 5,e 8,v 6,e 6,v 3 ) ist ein {e 3,e 5,e 6 }-alternierender Weg. v 7 e 9 v 1 v 2 v 3 e 1 e 2 e 4 e5 e 6 e 10 e 3 e11 e 12 v e 7 4 v e 8 5 v 6 Definition 5: Ein M-alternierender Weg, dessen Anfangs- und Endknoten M-ungesättigt sind, heißt M-erweiternder Weg. Beispiel: P =(v 6,e 6,v 3,e 2,v 2,e 5,v 5,e 7,v 4,e 4,v 1,e 3,v 7,e 12,v 8 ) ist ein {e 2,e 3,e 7,e 16 }-erweiternder Weg v 1 v 2 v 3 e 1 e 2 e 3 e 4 e5 e 6 v 4 e 8 e 7 v5 v 6 e 9 e 10 e 11 v 7 v 8 e 12 e 13 v 9 e 14 e 15 e16 v 10 5

6 Lemma von der symmetrischen Differenz Lemma 6: Seien M 1,M 2 zwei Matchings in einem schlichten Graphen G. Sei H der Untergraph von G, der durch die Kantenmenge M 1 M 2 := (M 1 \M 2 ) (M 2 \M 1 ) gegeben ist, d.h. durch die symmetrische Differenz der beiden Matchings. Sei K eine Zusammenhangskomponente von H. Dann gilt: Entweder ist K ein Zyklus gerader Länge, dessen Kanten abwechselnd in M 1 und M 2 liegen, oder K ist ein Weg, dessen Kanten abwechselnd in M 1 und M 2 liegen und dessen Endknoten in einem der beiden Matchings ungesättigt sind. Beispiel: e 9 e 1 e 2 e 9 e 1 e 2 e 1 e 2 e 4 e5 e 6 e 10 e 3 e11 e 12 e 4 e5 e 6 e 10 e 3 e11 e 12 e 10 e 12 e 7 e 8 M 1 := {e 2,e 8,e 10 } e 7 e 8 M 2 := {e 1,e 7,e 12 } Beweis (von Lemma 6): Sei v ein Knoten von H. Da M 1 Matching, gibt es höchstens eine Kante in M 1, die v als Endknoten hat. Ebenso gibt es höchstens eine Kante in M 2, die v als Endknoten hat. 1. Fall, v ist Endknoten einer Kante in M 1 \M 2 und auch einer Kante in M 2 \M 1. Dann ist deg H (v) = Fall, v ist Endknoten einer Kante in M 1 \M 2 oder in M 2 \M 1, aber nicht in beiden. Dann ist deg H (v) = 1. Die Zusammenhangskomponente von v ist dann entweder ein Weg oder ein Zyklus. 6 e 7 e 8 M 1 M 2 := {e 1,e 2,e 7,e 8,e 10,e 12 }

7 Umfärbungen entlang von Wegen Sei M ein Matching von G. Wir bezeichnen die Kanten in M als rot, alle anderen als blau. Sei P ein M-alternierender Weg in G, so dass die Kanten abwechselnd rot und blau sind. Ist P zudem M-erweiternd, dann sind die Endknoten ungesättigt. Also sind die erste und die letzte Kante von P blau. Damit ist P eine alternierende Folge der Form blau, rot, blau,..., rot, blau. Somit hat P eine ungerade Anzahl von Kanten, 2m +1, davon m rote und m +1blaue. Wir definieren eine Kantenmenge M, welche aus den Kanten von M minus den roten Kanten von P plus den blauen Kanten von P besteht. Die Endknoten von P sind nicht durch M gesättigt, und alle anderen Knoten von P sind bereits durch M gesättigt. Also ist M wiederum ein Matching, welches eine Kante mehr als M hat. Definition 7: Die oben beschriebene Operation, die ein gegebenes Matching M in ein größeres Matching M unter Verwendung eines M-erweiternden Weges P umwandelt, wird als Umfärbung entlang des erweiternden Weges P bezeichnet. Beispiel: e 3 v 1 v 2 v 3 e 1 e 2 e 4 e5 e 6 v 4 e 8 e 7 v5 v 6 v 1 e v 2 1 e 2 v 3 M = {e 2,e 3,e 7,e 16 } M = {e 4,e 5,e 6,e 12,e 16 } e P =(e 4 6,e 2,e 5,e 7,e 4,e 3,e 12 ) e5 e 6 v 4 e e 8 3 e 7 v5 v 6 e 9 e 10 e 11 e 9 e 10 e 11 v 7 v 8 e 12 e 13 v 9 v 7 e e e16 v 8 e 12 e 13 v 9 e 14 e 15 e16 v 10 7 v 10

8 Satz von Berge Satz 8 (Berge, 1957): Ein Matching M in einem Graphen G ist genau dann ein maximales Matching, wenn G keinen M-erweiternden Weg enthält. Beweis: ( ) Sei M maximales Matching von G und sei P ein M-erweiternder Weg. Durch Umfärbung entlang P entsteht ein Matching M von G, welches eine Kante mehr enthält als M, im Widerspruch zur Maximalität von M. ( ) Sei M ein Matching von G, so dass es keinen M-erweiternden Weg gibt. Sei M ein maximales Matching von G. Zu zeigen ist: M = M. Es ist M = M\M + M M und M = M \M + M M. Also bleibt zu zeigen: M\M = M \M. Sei H der Untergraph von G mit Kantenmenge M M =(M\M ) (M \M). Für die Zusammenhangskomponenten von H gilt nach Lemma 6: Entweder sind es gerade Zyklen mit Kanten abwechselnd in M und M, oder es sind Wege mit Kanten abwechselnd in M und M, deren Endknoten in einem der beiden Matchings ungesättigt sind. Wenn eine Komponente ein Weg ist, dann ist dieser gerade. Ein Weg ungerader Länge hätte Endknoten, die im selben Matching M (oder M ) ungesättigt sind. Dann gibt es einen M- (oder M -) erweiternden Weg. M-erweiternde Wege gibt es nicht (nach Voraussetzung). M -erweiternde Wege gibt es nicht (da M maximal, siehe -Teil des Beweises). Also sind alle Komponenten von H gerade Wege oder gerade Zyklen, welche die selbe Zahl von Kanten in M wie in M haben. Somit ist M\M = M \M. 8

9 Das Heiratsproblem Gegeben sei eine endliche Menge Jungen. Jeder Junge hat mehrere Freundinnen. Können alle Jungen so verheiratet werden, dass jeder Junge (genau) eine Freundin heiraten kann? Als graphentheoretisches Problem formuliert: Gegeben sei ein bipartiter Graph G =(V, E) mit Bipartition V = X Y. Welche Bedingungen sind notwendig bzw. hinreichend, damit ein Matching in G existiert, welches jeden Knoten von X sättigt. Philip Hall (engl. Mathematiker, ) zeigte, dass das Heiratsproblem für n Jungen genau dann lösbar ist, wenn für jedes k, 1 k n, jede Menge von k Jungen zusammen mindestens k Freundinnen haben. Definition 9: Sei S eine Knotenmenge in G. Die benachbarte Menge N(S) von S in G ist die Menge aller Knoten, die adjazent zu Knoten in S ist. 9

10 Der Heiratssatz von Hall Satz 10 (Hall, 1935): Sei G =(V, E) ein bipartiter Graph mit V = X Y. G hat genau dann ein Matching, welches jeden Knoten von X sättigt, wenn N(S) S für alle Teilmengen S von X. Beweis: ( ) Sei M ein Matching, welches jeden Knoten in X sättigt. S X kann nur dann gesättigt werden, wenn sie mindestens S Nachbarn hat. Also ist N(S) S für alle Teilmengen S von X. ( ) Sei N(S) S für alle Teilmengen S von X. Angenommen, es gibt kein Matching, welches jeden Knoten von X sättigt. Sei M ein maximales Matching von G. Auch durch M wird nicht ganz X gesättigt. Sei x 0 ein Knoten, der nicht durch M gesättigt wird. Da M maximal, gibt es nach dem Satz von Berge keinen M -erweiternden Weg in G. Wenn also P ein M -alternierender Weg in G ist, dessen Endknoten x 0 ist, dann muss das andere Ende von P ein M -gesättigter Knoten sein. Es ist entweder P =(x 0,y 1,x 1,y 2,x 2,..., y n,x n ) oder P =(x 0,y 1,x 1,..., x n 1,y n ), mit x i X, y i Y ( G bipart.), {y 1,x 1 }, {y 2,x 2 },... M, {x 0,y 1 }, {x 1,y 2 },... / M. Im zweiten Fall wird y n durch M gesättigt. Aber {x n 1,y n } ist keine Kante in M. Also gibt es noch eine weitere Kante {y n,x n }, um die P verlängert werden kann. Somit kommt o.b.d.a. nur der erste (linke) Fall für P vor. Seien S bzw. T die Menge aller Knoten in X bzw. Y, die durch einen M -alternierenden Weg von x 0 erreichbar sind (wobei wir x 0 aus S ausschließen). Da jeder Knoten in X mit einem Knoten in Y gepaart ist, gilt S = T. 10

11 Der Heiratssatz von Hall (Forts.) Beispiel: X x0! a b S! "# c $ d e f g E F G G Y A! B "# T C D $ H I La nge La nge La nge La nge La nge La nge 1: 2: 3: 4: 5: 6: (x0, B), (x0, C) (x0, B, b), (x0, C, c) (x0, B, b, A), (x0, B, b, C) (x0, B, b, A, a), (x0, B, b, C, c) (x0, B, b, A, a, D) (x0, B, b, A, a, D, d) Beweis (Forts.): Sei S := S! {x0 } und y Y adjazent zu einem Knoten in S, d.h. y N (S). 1. Fall, y ist adjazent zu x0. Dann ist y Endknoten eines M -alternierenden Weges der Länge 1. Also ist y T. 2. Fall, y ist adjazent zu einem Knoten xi X, der auf einem M -alternierenden Weg P mit Endknoten x0 vorkommt. 1. Fall, y ist bereits ein Knoten in P. 2. Fall, P kann durch Hinzufügen der Kante {xi, y} zu einem längeren M -alternierenden Weg P! erweitert werden. In beiden Unterfällen ist y T. Da in beiden Fällen stets y T, ist N (S) T. Offensichtlich gilt T N (S). Also ist N (S) = T. Anderseits ist S = S! + 1 = T + 1 = N (S) + 1. Also ist N (S) < S, im Widerspruch zur Voraussetzung. Die Annahme war also falsch, und es gibt ein Matching, welches alle Knoten von X sättigt. 11

12 Perfekte Matchings in regulären bipartiten Graphen Satz 11: Sei G ein k-regulärer bipartiter Graph (mit k>0). Dann hat G ein perfektes Matching. Das heißt: Wenn jeder Junge k Freundinnen hat und jedes Mädchen k Freunde, dann kann jeder Junge eine seiner Freundinnen und jedes Mädchen einen ihrer Freunde heiraten. Beweis (von Satz 11): Sei X Y = V die Bipartition von G =(V, E). Es gibt X Knoten in X, und jeder Knoten hat k Kanten. Somit gibt es k X Kanten zwischen X und Y. Mit dem gleichen Argument gibt es k Y Kanten zwischen Y und X. Aus k X = k Y folgt durch Kürzen ( k>0 ) dann X = Y. Sei S X und E 1 die Teilmenge der Kanten, die mit Knoten aus S inzidieren. Aufgrund der k -Regularität gilt E 1 = k S. Sei E 2 die Teilmenge der Kanten, die mit Knoten aus N(S) inzidieren. Da N(S) die Menge der mit S benachbarten Knoten ist, gilt E 1 E 2. Folglich E 1 E 2. Aufgrund der k -Regularität gilt E 2 = k N(S). Also ist k N(S) = E 2 E 1 = k S. Durch Kürzen ( k>0 ) folgt dann N(S) S. Da S eine beliebige Knotenteilmenge war, folgt aus dem Heiratssatz von Hall, dass G ein Matching M enthält, welches jeden Knoten von X sättigt. Da X = Y, wird auch jeder Knoten in Y durch dieses Matching M gesättigt. Damit ist M ein perfektes Matching. 12

13 Skizze eines Matchingalgorithmus für bipartite Graphen Eingabe: bipartiter Graph G =(V, E) mit V = X Y. Ausgabe: (a) entweder ein Matching M, durch das alle Knoten in X gesättigt werden, (b) oder eine Knotenteilmenge S mit N(S) < S. (1) algorithm matching (2) wähle ein beliebiges Matching M (3) while es gibt einen M-ungesättigten Knoten x 0 do (4) if es gibt einen M-erweiternden Weg P mit Endknoten x 0 then (5) bestimme Matching M durch Umfärbung von M entlang P (6) setze M := M (7) else (8) bestimme S wie im Beweis des Heiratssatzes (9) gib S aus (10) goto (14) (11) end if (12) end while (13) gib M aus (14) end algorithm Die algorithmische Schwierigkeit ist dabei die Bestimmung eines M-erweiternden Weges mit Endknoten bzw. der Nachweis, dass es keinen solchen Weg gibt. x 0 13

14 Alternierende Bäume Definition 12: Sei M ein Matching des bipartiten Graphen G =(V, E) mit V = X Y. Sei x 0 ein M-ungesättigter Knoten in X. Ein Untergraph H von G mit den folgenden Eigenschaften: (a) H ist ein Baum, (b) x 0 V (H), (c) für jeden Knoten v V (H) ist der (eindeutige) Weg zwischen x 0 und v in H ein M -alternierender Weg, wird als M-alternierender Baum mit Wurzel x 0 bezeichnet. Beispiel: X a b c d e e G D E Y A B C D E b a C A B Ein M-erweiternder Weg mit Endknoten x 0 kann konstruiert werden, indem man einen M-alternierenden Baum mit Wurzel x 0 wachsen lässt. Dieses Verfahren wird Ungarische Methode genannt (nach D. König und J. Egerváry, 1931). 14 c x 0

15 So wachsen alternierende Bäume Alternierende Bäume wachsen so, dass stets eine der beiden Bedingungen erfüllt ist: (a) entweder sind alle Knoten von H, mit Ausnahme von x 0, M-gesättigt und in M gepaart, (b) oder H enthält einen M-ungesättigten Knoten v x 0. Fall (a): Bezeichne mit S die Knoten in H mit gerader Entfernung ( =0) zu x 0. Bezeichne mit T die Knoten in H mit ungerader Entfernung zu x 0. Per Induktion sieht man ein, dass dann T = S gilt. Setze S := S {x 0 }. Bemerke: S, S,T sind wie im Heiratssatz von Hall definiert. Es gilt T N(S). 1. Fall, T N(S). Dann gibt es einen Knoten y V (G), y / T, der adjazent mit einem Knoten x S ist. Dann ist entweder x = x 0 oder x S. Damit ist x entweder ungesättigt oder bereits gepaart. x 0 Also ist die Kante {x, y} nicht in M. Wird y durch M gesättigt, gibt es eine weitere Kante {y, z} M. Der Baum wächst dann durch Hinzufügen von {x, y} und {y, z}. Ist y ungesättigt, tritt Fall (b) ein (siehe unten). 2. Fall, T = N(S). Dann gilt (siehe Beweis von Hall) N(S) = T = S = S 1, also N(S) < S. Somit enthält der Graph kein Matching, welches jeden Knoten in X sättigt. Fall (b): Der Baum hat einen Weg P, dessen beide Endknoten x 0 und v M-ungesättigt sind. Durch Umfärben entlang P erhält man ein vergrößertes Matching. 15

16 Der Ungarische Algorithmus Eingabe: bipartiter Graph G =(V, E) mit V = X Y. Ausgabe: (a) entweder ein Matching M durch das alle Knoten in X gesättigt werden, (b) oder eine Knotenteilmenge S mit N(S) < S. (1) algorithm hungarian (2) wähle ein beliebiges Matching M (3) while es gibt einen M-ungesättigten Knoten x 0 do (4) S := {x 0 },T := (5) repeat (6) if N(S) =T then (7) gib S aus (8) goto (19) (9) else (10) wähle y N(S)\T (11) (12) T := T {y} if es gibt ein z mit {y, z} M then (13) (14) S := S {z} end if (15) end if (16) until y ungesättigt (17) färbe M entlang des Weges von x 0 nach y um (18) end while (19) end algorithm 16 G X a b c d e f g Y A B C D E F G M := {ab, cc, ed, fg} a B b F a e D B d a B g A c C b C b C

17 Korrektheitsbeweis Satz 13: Der ungarische Algorithmus arbeitet korrekt. Beweis: Zu Beginn jeder äußeren Iteration, in Schritt (4), hat S ein Element mehr als T. Werden weitere gesättigte Knoten angehängt, dann wird ein Element zu S und ein Element zu T hinzugefügt, vgl. Schritt (11) und (13). Also hat S stets ein Element mehr als T, d.h. T = S 1. Terminiert der Algorithmus aufgrund von N(S) =T, so ist N(S) = T = S 1 < S. Wegen des Heiratssatzes von Hall ist die Ausgabe, dass es in diesem Fall kein Matching gibt, welches jeden Knoten von X sättigt, korrekt. Andernfalls terminiert der Algorithmus erst, wenn jeder Knoten von X gesättigt ist. 17

18 Optimale Matchings Definition 14: Sei G = (V, E) ein bewerteter vollständiger bipartiter Graph mit Bipartition V = X Y, wobei X = {x1,..., xn } und Y = {y1,..., yn } und wi,j die Bewertung der Kante {xi, yj } ist. Ein optimales Matching ist ein maximal-bewertetes perfektes Matching in G. Definition 15: Sei G wie zuvor. Eine Abbildung λ : V R heißt zulässige Knotenkennzeichnung von G, wenn λ(xi ) + λ(yj ) wi,j für alle xi X, yj Y gilt. Eine zulässige Knotenkennzeichnung kann stets erzielt werden durch die Setzung λ(xi ) := max{wi,j : 1 j n} für alle xi X und λ(yj ) := 0 für alle yj Y. Beispiel: λ(x1) = 13 λ(x2) = 10 λ(x3) = λ(x1) = 13 λ(x2) = 11 λ(x3) = λ(y1) = 0 λ(y1) = 1 λ(y2) = 0 λ(y3) = 0 λ(y2) = 0 λ(y3) = 0 Definition 16: Sei λ eine zulässige Knotenkennzeichnung von G und Eλ := {{xi, yj } : λ(xi ) + λ(yj ) = wi,j }. Dann wird Gλ := (V, Eλ ) als der Gleichheitsuntergraph bzgl. λ bezeichnet. Beispiel (Forts.): λ(x1) = 13 λ(x2) = 10 λ(x3) = λ(x1) = 13 λ(x2) = 11 λ(x3) = 9 13 λ(y1) = 0 λ(y2) = 0 λ(y3) = 0 λ(y1) = 1 18 λ(y2) = 0 λ(y3) = 0

19 Gleichheitsuntergraphen und optimale Matchings Satz 17: Sei λ eine zulässige Knotenkennzeichnung für den bewerteten vollständigen bipartiten Graphen G. Wenn der Gleichheitsuntergraph G λ ein perfektes Matching M enthält, dann ist M ein optimales Matching für G. Beweis: Sei M ein perfektes Matching für G λ. Da G λ die gleichen Knoten wie G enthält, ist M ein perfektes Matching von G. Es ist w(m )= w. {x i,y j } M i,j Für jede Kante {x i,y j } M ist {x i,y j } G λ, also w i,j = λ(x i )+λ(y j ). Da das Matching M perfekt ist, verbinden seine Kanten alle Knoten von G genau ein Mal. Damit ist w(m )= w. {x i,y j } M i,j = n (λ(x i)+λ(y i )) i=1 Sei nun M ein beliebiges perfektes Matching von G. Dann gilt w(m) = w i,j n (λ(x i)+λ(y i )). {x i,y j } M i=1 Es folgt w(m ) w(m). Da M ein beliebiges Matching von G war, ist M daher ein optimales Matching von G. 19

20 Ein Algorithmus für optimale Matchings in vollständigen bipartiten Graphen Beginne mit einer zulässigen Knotenkennzeichnung λ für G. Bestimme den Gleichheitsuntergraphen G λ. Wähle ein beliebiges Matching M in G λ. Wende die ungarische Methode auf G λ und M an. 1. Fall, die ungarische Methode liefert ein perfektes Matching M. Nach Satz 17 ist M dann ein optimales Matching für G. Fertig. 2. Fall, sie liefert ein nicht-perfektes Matching M, das nicht weiter vergrößert werden kann. Dann gibt es einen M -alternierenden Baum H, der keinen M -erweiternden Weg hat. Dieser Baum kann in G λ nicht mehr weiter wachsen. Wir verändern nun λ zu λ, so dass λ ebenso eine zulässige Knotenkennzeichnung ist, der Gleichheitsuntergraph G λ sowohl M als auch den M -alternierenden Baum H enthält, der M -alternierende Baum H in G λ weiter wachsen kann. Bemerke, dass der M -alternierende Baum H so erzeugt wurde, dass es Untermengen S X und T Y gibt mit N Gλ (S) =T. 20

21 Defekte Definition 18: Seien S X und T Y die durch die ungarische Methode erzeugten Untermengen mit N Gλ (S) =T. Dann ist d λ := min{λ(x) +λ(y) w x,y : x S, y / T } der Defekt von λ. Für einen Knoten v in G setze λ(v) d λ ; v S, λ (v) := λ(v) +d λ ; v T, λ(v) ; v/ S T. Dieses λ erfüllt die vorhin geforderten Eigenschaften: λ ist eine zulässige Knotenkennzeichnung, der Gleichheitsuntergraph G λ enthält M und den M -alternierenden Baum H, der M -alternierende Baum H kann in G λ weiter wachsen. Dann wird das Verfahren mit G λ (an Stelle von G λ ) fortgesetzt. Die Knotenkennzeichnung wird so lange geändert, bis ein perfektes Matching im Gleichheitsuntergraphen entsteht. Dieses ist nach Satz 17 dann ein optimales Matching. Dieses Verfahren ist nach Kuhn (1955) und Munkres (1957) benannt. 21

22 Der Algorithmus von Kuhn-Munkres X a b c d e f g A B C D E F G G Y (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17) (18) (19) Eingabe: vollständiger bipartiter Graph G = Kn,n = (V, E) mit Bewertung w : E R. Ausgabe: optimales Matching M. algorithm kuhnmunkres wähle eine zul. Knotenkennzeichung λ wähle ein beliebiges Matching M von Gλ while es gibt M -ungesättigten Knoten x0 do S := {x0 }, T := repeat if NGλ (S) = T then dλ := min{λ(x) + λ(y) wx,y : x S, y / T} λ(v) := λ(v) dλ v S, λ(v) := λ(v) + dλ v T end if wähle y NGλ (S)\T T := T {y} if es gibt ein z mit {y, z} M then S := S {z} end if until y ungesättigt färbe M entlang des Weges von x0 nach y um end while end algorithm 22 (wx,y ) x X y Y = x0 = g. S = {g}, T = {}. dλ = 1. E f G d D a b e F B X a b c d e f A B C D E F C g g G Y G

23 Lösung des chinesischen Briefträgerproblems Aus dem letzten Kapitel (#6) haben wir gesehen, wie das chinesische Briefträgerproblem (CPP) zu lösen ist, wenn der zu Grunde liegende Graph G = (V, E) eulersch ist, oder der Graph genau zwei Knoten ungeraden Grades hat. In der allgemeinen Situation (mehr als zwei ungerade Knoten) kann eine Lösung wie folgt ermittelt werden: Sei U die Menge der ungeraden Knoten in G. Für jedes Paar ungerader Knoten u, v U berechne man ihre Entfernung du,v im Graphen G bzgl. der Bewertung c (z.b. mittels des Algorithmus von Dijkstra oder Floyd-Warshal). Wir definieren einen vollständigen bewerteteten Graphen (KU, d). Bemerke, dass die Anzahl ungerader Knoten gerade ist. Also hat KU ein perfektes Matching. Es gibt effiziente Algorithmen (Edmonds, 1965) zur Bestimmung eines minimalen perfekten Matchings M in (KU, d). Die Wege in G, die den Kanten in M entsprechen, werden in G verdoppelt. Dadurch entsteht ein Eulerscher Obergraph G! von G. In diesem kann mittels des Algorithmus von Fleury eine Eulertour bestimmt werden. Diese ist dann die Lösung des chinesischen Briefträgerproblems. 23

24 Der Algorithmus von Christofides (1976) c(t ) = 186 Eingabe: Instanz (K n,c) für mtsp Ausgabe: 1/2-approximative Tour C T (1) algorithm christofides Düsseldorf (2) bestimme minimalen Spannbaum T für (K n,c) Aachen (3) sei U die Menge der Knoten mit ungeradem Grad in T (4) bestimme ein minimales perfektes Matching M in (K U,c) (5) sei G der eulersche Multigraph, der aus T durch Hinzufügen der Kanten von M entsteht. (6) bestimme eine Eulertour K für G C (7) wähle eine in K enthaltene Tour C (8) end algorithm Freiburg Darmstadt Stuttgart Hamburg c(c) = 266 Nürnberg München G Berlin U = {Aa, Be, Dü, F r, Mü, St} K =(Be, Mü, Nü, St, F r, St, Da, Dü, Aa, Dü, Ha, Be) Aa Be Da Dü F r Ha M ü N ü St Aa Be Da Dü Fr Ha M ü N ü St C =(Be, Mü, Nü, St, F r, Da, Dü, Aa, Ha, Be) M = {AaDü, BeMü, F rst} c(m ) = Düsseldorf Aachen Stuttgart Freiburg München Berlin

25 Beweis der Approximationsgüte Satz 19: Der Algorithmus von Christofides ist 1/2-approximativ. Beweis: Sei C eine optimale Tour. Nach Lemma 30 / VL 6 gilt für die in Schritt (8) konstruierte Tour C die Abschätzung c(c) c(e) = c(t )+c(m ). U aus Schritt (3) hat eine gerade Anzahl von Knoten, U =2m. Sei (i 1,i 2,..., i 2m ) die Reihenfolge, in der die Knoten von U in C besucht werden. Wir definieren zwei perfekte Matchings M 1,M 2 von K U durch M 1 := {i 1 i 2,i 3 i 4,..., i 2m 1 i 2m },M 2 := {i 2 i 3,i 4 i 5,..., i 2m i 1 }. Da c die Dreicksungleichung erfüllt und M minimal ist, gilt c(c ) c i1 i 2 + c i2 i 3 + c i3 i c i2m 1 i 2m + c i2m i 1 = c(m 1 )+c(m 2 ) 2c(M ). Also ist c(m ) c(c )/2. Ferner ist c(t ) c(c ). Somit gilt c(c) c(t )+c(m ) c(c )+c(c )/2 = 3/2c(C ). Nach Definition ist der Algorithmus daher 1/2-approximativ. 25

26 Literaturquellen J. Clark, D.A. Holton, Graphentheorie, Spektrum Akademischer Verlag, Heidelberg, (Kapitel 4, Seite ) D. Jungnickel: Graphen, Netzwerke und Algorithmen, BI Wissenschaftsverlag, Mannheim, (Kapitel 12-14, Seite ) B. Korte, J. Vygen: Combinatorial Optimization - Theory and Algorithms, 2nd Edition, Springer Verlag, Berlin, (Kapitel 10&11, Seite ) 26